zhangjunpeng的个人博客分享 http://blog.sciencenet.cn/u/zhangjunpeng

博文

怎样做好一项研究?

已有 3447 次阅读 2022-3-10 08:39 |个人分类:读书|系统分类:科普集锦

怎样做好一项研究?


拿到一个课题或项目,研究者的初心都是想做好这个课题或项目研究。然而,要想做好一项研究,是一件不那么容易的事情。20219月,英国开放大学出版社出版了英国德蒙福特大学Denscombe Martyn教授的著作《The Good Research Guide: Research methods for small-scale social research projects》(第七版,图1)(中文翻译为:怎样做好一项研究——小规模社会研究方指南,图2)。

 

image.png

1 英文版本:The Good Research Guide: Research methods for small-scale social research projects

 

image.png

1 中文版本:怎样做好一项研究—小规模社会研究指南

 

本书虽然是社会科学丛书,但是其指南对自然科学也具有很好的借鉴与参考价值。本书不讲解特定的研究类型及其优缺点,而是鼓励研究者根据研究问题的情境和开展研究的环境,挑选最有效的策略和方法。因此,PBLProblem-Based Learning)理念贯穿整本书。

 

如何挑选研究项目的有效策略和方法,取决于两种研究范式:实证主义范式和解释主义范式。实证主义范式在自然科学研究中占据主导地位,它倾向于关注自然科学领域中与现象的前因后果关联的客观事实和现象,一般采用量化数据和计算机模型。解释主义范式在社会科学研究中比较常见,它以人为中心探究社会成员的主观信念和生活经验,一般采用质化数据(例如文本、图像、音频和视频等)。

 

全书分为四个部分:社会研究的策略、收集数据的方法、数据分析和环境。

 

第一部分(社会研究的策略)提供10种研究策略:调查研究、抽样、个案研究、实验研究、民族志、现象学、扎根理论、行动研究、系统综述和混合方法。这些策略主要适用于小规模、低预算和短周期的研究课题和项目。

 

第二部分(收集数据的方法)提供了四种收集数据方法:问卷、访谈、观察和文档。自然科学方面,收集数据主要来源于科学实验和公共数据库。

 

第三部分(数据分析)提供了量化数据和质化数据的初级分析方法。这些初级分析方法可能在社会科学领域够用,但是自然科学领域则需要算法和模型来进行数据分析。

 

第四部分(环境)主要讨论研究伦理和研究报告,这部分在社会科学和自然科学领域是相通的。

 

为了体现本书的可实践和可操作性,每章结束都提供了1个自测表来审视研究者考虑问题是否全面。

 

正如导言所言,本书尤其适用于开展小规模项目的研究者。由于是一本社会科学研究指南,自然科学研究者可以重点关注第一部分(社会研究的策略)和第四部分(环境)。

 

后话

采用什么类型的研究范式(实证主义范式和解释主义范式)取决于研究者的研究问题和研究环境。在选择最有用和最有效的研究方法时,本书建议不应该受到这些范式的束缚。毕竟,好的研究策略和方法是开展一项好研究的必要条件。

 

参考链接和文献

[1] Denscombe M. The good research guide: Research methods for small-scale social research projects. Open University Press (UK), 2021.

[2] https://www.amazon.com/Good-Research-Guide-Denscombe-Martyn/dp/0335249833/ref=asc_df_0335249833/?tag=hyprod-20&linkCode=df0&hvadid=563602138744&hvpos=&hvnetw=g&hvrand=4662437695050281928&hvpone=&hvptwo=&hvqmt=&hvdev=c&hvdvcmdl=&hvlocint=&hvlocphy=9030987&hvtargid=pla-1295669381205&psc=1

[3] http://product.dangdang.com/28523785.html

 

以往推荐如下:

1. 因果推理综述推荐一篇

2. 生物学家的机器学习指南

3. 基础模型的机遇与风险

4. 一份单细胞数据分析教程

5. R/Shiny交互式生物Web应用程序

6. VOSviewer:文献图谱可视化

7. 卡片式笔记工具:Roam Research

8. 国外知乎:Quora

9. 生信问答平台:Biostars

10. IT问答平台:Stack Overflow

11. 预印本知多少?

12. 借助Bioconductor策划单细胞分析

13. 要选哪个蛋白质互作数据库作为先验信息?

14. mRNA表达无法取代蛋白质表达

15. scIB:单细胞数据融合基准框架

16. 临床医疗维修店铺

17. NAguideR:填充蛋白质组学数据缺失值

image.png

 image.png




https://wap.sciencenet.cn/blog-571917-1328773.html

上一篇:NAguideR:填充蛋白质组学数据缺失值
下一篇:怎样做开题报告?
收藏 IP: 39.128.55.*| 热度|

2 李宏翰 李升伟

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-4-19 14:58

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部